إطار الطالب-المعلم المدعوم بالتدريب الذاتي وتنظيم التناسق لتجزئة الصور الطبية شبه المشروطة

نظرًا لملاءمة التعلم شبه المشروط لتجزئة الصور الطبية، تم إجراء العديد من الأبحاث القيمة وحققت نجاحًا ملحوظًا في هذا المجال. ومع ذلك، تميل العديد من الأساليب إلى حصر تركيزها في إطار شبه مشروط واحد، مما يتجاهل التحسينات المحتملة في أداء التجزئة التي يقدمها دمج العديد من الأطر. في هذه الورقة، نقترح إطارًا جديدًا شبه مشروط يُسمى (PLMT) الذي يجمع بين خط أنابيب التدريب الذاتي وتقنيات التسمية الزائفة وتنظيم التناسق. بشكل خاص، ندمج هيكل الطالب-المعلم مع فقدان التناسق في خط أنابيب التدريب الذاتي لتسهيل تحسين متبادل بين الطريقتين. لا يولد هذا الهيكل فقط تسميات زائفة دقيقة بشكل ملحوظ لخط أنابيب التدريب الذاتي، بل يوفر أيضًا إشرافًا إضافيًا من التسمية الزائفة لإطار الطالب-المعلم. علاوة على ذلك، لاستكشاف تأثير خسائر شبه مشروطة مختلفة على أداء التجزئة لإطار (PLMT)، نقدم أوزان خسارة تكيفية. يمكن لـ (PLMT) ضبط أوزان مختلف خسائر شبه المشروطة ديناميكيًا خلال عملية التدريب. تظهر تجارب التمديد على ثلاثة مجموعات بيانات عامة أن إطارنا يحقق أفضل أداء ويفوق الطرق الخمسة شبه المشروطة الأخرى. يُعد (PLMT) استكشافًا أوليًا للإطار الذي يمزج بين خط أنابيب التدريب الذاتي وتنظيم التناسق ويقدم منظورًا مبتكرًا نسبيًا في تجزئة الصور شبه المشروطة.